基于去趋势多重互相关的深度回声状态网络剪枝算法

针对储备池中存在的冗余结构导致深度回声状态网络预测精度不佳的问题,提出了一种基于去趋势多重互相关的深度回声状态网络剪枝算法。首先,根据去趋势协方差函数和去趋势方差函数,依次计算所选储备池中每2个神经元之间的去趋势互相关系数,构建去趋势互相关矩阵,基于该矩阵评估该储备池中所选神经元与所有剩余神经元之间的去趋势多重互相关性。其次,依次删除每个储备池中高相关性神经元到输出层的连接,从而去除网络中的冗余结构。最后,通过最小二乘回归重新训练剪枝后的网络,以获得最优的深度回声状态网络拓扑结构。仿真结果表明:经过所提算法优化后的深度回声状态网络在Mackey-Glass时间序列上的预测精度和记忆能力分别提高了89.80%和30.93%,在Call时间序列上的预测精度和记忆能力分别提高了14.34%和0.10%。

计划烧除影响下的大气O_(3)和PM_(2.5)/PM_(10)多尺度互相关性的多重分形表征

为揭示计划烧除期间烟羽区中O_(3)和二次气溶胶之间的复杂大气光化学行为,基于多重分形去趋势互相关分析(MFDCCA)方法对凉山彝族自治州西昌市5个大气监测点(凉山州政府、青龙寺、邛海宾馆、西昌市政府和长安)不同时间尺度上O_(3)和PM_(2.5)/PM_(10)序列之间互相关性的多重分形强度(Δh)进行研究。结果发现:(1)计划烧除期间(2020年12月—2021年2月和2021年12月—2022年2月)和非计划烧除期间(2016年—2019年同期)各监测点的O_(3)或PM_(2.5)/PM_(10)的日变化规律一致,并且计划烧除期间的O_(3)浓度小于非计划烧除期间,PM_(2.5)/PM_(10)大于非计划烧除期间,其中,青龙寺监测点PM_(2.5)/PM_(10)的增涨幅度最高,而O_(3)浓度的下降幅度最低。(2)各监测点O_(3)和PM_(2.5)/PM_(10)序列之间的互相关性在2016—2022年均具有多重分形特征,各监测点的Δh值均表现出冬春高、夏秋低的季节变化规律,且青龙寺监测点的Δh值最高。(3)各监测点的Δh值均在2020与2021年冬季出现峰值,计划烧除期间的Δh值均高于非计划烧除期间,且青龙寺监测点的增涨幅度最大。研究结果有助于从新的角度理解计划烧除对大气光化学作用的影响,并为进一步研究野火对大气环境的影响并制定相应的措施提供一定的科学依据。

基于MF-DCCA的港口与非港口地区PM_(2.5)与NO_X互相关性分析

针对PM_(2.5)与NO_X序列间的互相关性特征,采用多重分形去趋势波动互相关分析法(MF-DCCA),对香港葵涌(港口)和沙田(非港口)地区的PM_(2.5)与NO_X浓度序列进行了研究.首先,基于整体数据进行研究,发现港口和非港口地区的PM_(2.5)与NO_X的互相关性均具有长程相关性和多重分形特征,港口地区的多重分形特征比非港口地区的要弱.然后,对四季数据进行研究,结果表明港口和非港口地区的PM_(2.5)与NO_X的互相关性在四个季节均具有长程相关性和多重分形特征.而且PM_(2.5)和NO_X互相关性多重分形特征具有明显的季节变化,春、夏、秋季时港口地区的PM_(2.5)与NO_X的互相关性多重分形特征比非港口地区的弱,冬季则相反.

COVID-19疫情期间城郊森林公园O_(3)变化对NO_(2)减排响应的多重分形模式

COVID-19疫情的爆发使得大气NO_(2)排放量急剧减少,张家界城区O_(3)浓度也随之降低,然而城郊的国家森林公园内O_(3)浓度却有较大幅度升高。旨在基于多重分形去趋势互相关分析(MFDCCA)方法和自组织临界(SOC)理论来揭示疫情期间张家界不同生态功能区大气O_(3)浓度变化对NO_(2)污染急剧减排的不同响应机制。基于张家界3个大气监测站点(未央路、永定新区和袁家界)在疫情期间(2020年3月1日—5月31日)和非疫情期间(2019年同期)NO_(2)、O_(3)小时平均浓度数据,首先应用MFDCCA方法对NO_(2)和O_(3)互相关性的多尺度特征进行分析。研究结果发现,各站点NO_(2)和O_(3)之间的互相关性存在较强的长期持续性和多重分形特征。其中,疫情期间各站点NO_(2)和O_(3)互相关的长期持续性平均增强了19.4%,而多重分形性平均减弱5.7%,主要原因与疫情期间NO_(2)集中减排引起O_(3)大气化学反应的变化有关。进而,应用SOC理论对NO_(2)和O_(3)之间互相关长期持续性形成的宏观动力机制进行分析。结果发现,袁家界站点O_(3)演化处于自组织临界状态,SOC内禀动力机制是导致疫情期间张家界国家森林公园内O_(3)浓度增高的重要非线性动力学机制。而未央路和永定新区站点O_(3)演化处于亚临界状态,这也是导致城区站点O_(3)浓度减低的主要原因。正确识别森林生态系统中O_(3)演化的自组织临界特征,对于高浓度O_(3)生成的风险评估具有重要意义,有助于科学评估人类旅游活动对森林生态系统造成的影响。